本部分主要梳理与分析国外监管科技发展状况。我们认为，思考以下几个要点对本部分内容的理解有帮助：

（1）国外监管层对监管科技的态度如何？是欣然接受还是踌躇不前？它们又采取了哪些具体实践？

（2）以监管沙盒为代表的创新型监管实践的本质是什么？能代表监管模式的发展趋势吗？

（3）监管科技市场真的一片生机勃勃吗？对于监管科技行业而言，核心的是在于技术吗？ 

1、监管层的监管实践

监管机构是监管科技生态系统的核心，规则的来源，合规的仲裁者，以及最强大的市场召集者参与者。”（Cambridge Centre for Alternative Finance，2018）。在2015年，监管机构鼓励发展监管科技之时，便彰显出其在监管科技领域的一番雄心。

（1）监管层对监管科技的应用

我们认为监管科技的应用实践主要分为两个分支领域：合规端和监管端。合规端，指运用于金融机构合规管理的监管科技；监管端，指运用于监管端的监管科技。其中监管端的应用实践便是监管层的监管实践。

监管科技在监管端的运用主要体现在数据收集和数据分析两个维度。（详见图表5）

数据收集方面的实践：合规报告采取实时采集、上报的实践（卢旺达央行，澳大利亚证券投资委员会，德意志交易所，美国证券交易委员会）；引进多维度数据验证（新加坡金融管理局）、可视化解构和重构数据（荷兰央行）、云存储和云计算（美国证券会、英国金融行为监管局）的数据管理实践。

数据分析方面的实践：引用虚拟助手，使用人机互动的形式帮助被监管对象解惑答疑的实践（菲律宾中央银行、英国金融行为监管局）；市场监管的实践，集中在证券市场的内幕交易和操纵（澳大利亚证券投资委员会）；不端行为方面的实践，集中在反洗钱、违规销售、恐怖主义融资等方面（意大利、新加坡等央行/金融管理部门）；微观审慎和宏观审慎方面的实践主要集中在信用风险评估和宏观风险评估（荷兰央行、意大利央行）。

（2）监管层对监管科技的态度

看似眼花缭乱的监管实践，实则是并不能证明监管部门对监管科技的应用是大胆且开放的，相反，甚至可以说是谨小慎微的。

英国剑桥大学新兴金融研究中心（CCAF）与世界银行展开的针对111家监管机构调查发现，正在运营某一监管科技或即将运营某一监管科技的机构只有16%，目前考虑实施的机构占比27%。（详见图表6）

西方国家，以美国为代表，依据“成本—收益”原则进行公共政策决策，监管科技以降低监管成本和合规成本为出发点，但并非美好的事情总是有美好的结局，监管科技的引进面临短期成本激增，而效果无法短期衡量的窘境，比如美国行政管理和预算局（OMB）和美国总审计局（GAO）对联邦政府的信息化项目总是指手画脚，认为成本一直过高，而其中的典型代表就是EDGAR系统的重新设计。

（3）监管层对监管实践的探索

西方国家监管科技的应用并非想象中的那么开放，然而，其监管模式、理念、思想，确实大步流星，总是快人一步，尤其以监管沙盒、创新指导窗口、创新加速器三大监管模式为代表。（详见图表7）

鉴于各国的国情不同，创新实践也有所差异，我们以英国、澳大利亚、新加坡在监管沙盒方面的实践为例，进行对比分析：

• 管理方式。有审批制和备案制。审批制指企业提交监管沙盒申请，监管机构进行审批；备案制指允许符合条件的金融科技公司在监管机构备案后，即可进入沙盒。审批制代表有英国和新加坡，备案制代表有澳大利亚。

• 适用范围。根据国情有所不同，新加坡监管沙盒适用范围局限在金融科技领域，英国和澳大利亚监管沙盒适用范围扩展至金融模式（有别于传统的金融业务）。

• 监管主体。新加坡金融监管局即新加坡中央银行负责监管沙盒；隶属于英国财政部的英国金融行为监管局负责监管沙盒；澳大利亚则是证券和投资委员会负责。

因国情不同呈现出的差异，说明监管需要结合实际国情，然而这种因地制宜式的变通，并不掩盖监管创新的共性本质，即本质上一种公共对话、相互协作的监管模式。

对于西方监管层的创新实践，有两种截然相反的声音：

第一种声音认为应该支持，监管创新实践是包容式政企协作，是避免本国企业创新被扼杀而被国外赶超、培育潜在创新科技的路径。

第二种声音认为应保持清醒，“沙盒机制让监管方与被监管方的距离过于紧密”（美国证券交易委员会委员Hester Peirce），这种紧密程度一旦突破临界点，则可能成为公开寻租的领地；“幼儿才会在沙箱中玩耍，成年人需要的是遵守规则。”（纽约金融服务部负责人Mario Vullo）。

我们认为，对于创新性监管实践应保持开放、包容的态度，西方最新的监管实践本质上是基于后现代公共行政的话语理论，搭建公共能量场，开展对话，而后现代公共行政的理念早已在政府管理领域中应用娴熟，在金融监管中的应用也是顺水推舟，在保持对话的正当性（程序的正当性、参与者的正当性）的前提下，对话型监管创新是一条目前较好的金融实践之路。

2、国外监管科技市场

（1）整体市场

我们在第一部分中提出监管科技应用场景的划分方法有两种，其中以监管科技市场提供的产品和服务形成的自然的细分区隔属于市场式划分。在本部分，我们按照此划分方式来梳理监管科技的细分市场。

我们根据公开资料，按照eKYC/AML/CFT、监管报告、身份验证和欺诈预防、合规、治理、数据管理和风险管理等几大维度进行了整理，部分典型代表如下图所示（见图表11）。

随着监管趋严，全球监管科技市场将迎来爆发，联邦金融分析公司（Federal Financial Analytics）大胆预测到2020年，这一市场的规模将达到1187亿美元。

Infoholic Research LLP在报告《2023年全球监管科技市场：驱动力、约束、机会、趋势和预测》中预测：在2018-2023年期间的全球监管科技市场利润复合年均增长率为25.4%，2023年达到72亿美元。

• 整体营收情况

Owler.com针对60多名监管科技投资者采访发现，监管科技企业规模呈现马太效应，25%的头部企业每家营收超过1000万美元，而营收低于100万美元的企业占总企业的40%。同时受访者表示在2018年—2023年之间，监管科技企业的营收年复合增长可以达到23%—25%。

• 不同融资阶段的表现

根据CB insights的数据，2013年至2017年上半年，监管科技市场总共发生555次投融资事件，共募集资金4680万美元，平均单次融资843万美元。（详见图表9）

• 不同融资阶段的表现

监管科技企业平均成立28个月后，且在第一款产品上市16个月后，才迎来第一轮融资，此时公司雇员平均只有13人；第二轮融资距第一轮融资按产品问世计算是9个月，按公司成立时间计算是18个月；第三轮融资距上一轮融资的时间比第二轮相较第一轮的要长，与此同时融资金额则较第一轮增长近9倍、第二轮增长近2倍。（详见图表10）

不难看出，监管科技初创企业的生存状态并不佳，平均成立近两年半，产品问世接近一年半以后，才获得第一轮融资，相较于其他热门行业，监管科技行业在资本方看来并非如媒体宣传的那样如火如荼，而是呈现冷静的态度。

• 区域分布

Fintech Global发布《全球监管科技评论与监管科技100》（The Global RegTech Review & The RegTech 100），在全球400多家企业中评选出最优秀的100家，而在这100家中，英国上榜26家、美国上榜21家、爱尔兰、澳大利亚和瑞士共上榜21家、其他国家合计上榜32家。英美两国合计占比达47%。

（2）案例解读

案例1：Ayasdi

Ayasdi成立于2008年，是具有Stanford基因的创业公司，首席执行官古吉特·辛格，总裁古纳尔·卡尔松，副总裁哈兰·塞克斯顿，三人都是斯坦福数学博士，其团队成员以数据科学家为主，目前团队规模为超过200人。

Ayasdi的服务领域主要有：医疗行业、金融服务、政府部门，其中为金融服务和其他行业提供基于人工智能的AML，欺诈预防和监管风险管理解决方案是其重要业务领域，并因其在金融领域中的突出贡献，上榜Medici组织的2018年Top 21-Regtech大奖。这家创业公司筹集的资金总额超过1亿美元。

核心技术：拓扑数据分析（TDA），TDA是美国国防高级研究计划局（DARPA）资助的最重要的技术进步之一。TDA是基于拓扑学的数学原理，它借鉴了这样一种哲学：所有数据都有一个潜在的形状，而这个形状有意义。Symphony Ayasdiai的TDA方法利用了广泛的机器学习、统计和几何算法——根据数据进行组合和合成。

客户：汇丰控股、花旗集团、瑞士信贷、国土安全部、强生公司和洛克希德马丁公司等。

监管科技典型实践：Ayasdi帮助花旗集团通过了美联储（Federal Reserve）的压力测试；与汇丰控股合作合规流程的自动化。

公司产品及应用：公司核心产品为Symphony AyasdiAI，应用于AML和REGULATORY RISK中。

Symphony AyasdiAI在AML和REGULATORY RISK中的应用逻辑共同遵循：“Discover—Predict—Justify—Act—Learn”流程（详见图表12），以Symphony AyasdiAI在AML运行逻辑为例，说明Symphony AyasdiAI的功能：

• Discover（发现）：Symphony AyasdiAI可以对客户进行自动分组，从原则起点开始，可调整每个场景中的阈值；

• Predict（预测）：对分组后的客户群体增强分辨率，使用者可以在信号和噪音之间进行微妙平衡；

• Justify（校验）：为细分和排名提供了完整的透明度，并生成了完整的文档工作流程，包括可与内部模型治理板和外部监管机构共享的简单决策树；

• Act（行动）：向客户推送更少误判的情报；

• Learn（学习）：不断查看新到达的数据，识别不断变化的模式，并根据该信息建议更新细分和排名

案例2：Trulioo

Trulioo于2011年在加拿大温哥华成立，是一家客户身份识别服务商。公司拥有200多个独立数据源，数据除公共记录、信用报告和政府数据外，还包括社交网络、移动应用和电子商务平台上的行为数据。该创业公司已筹集了总计2790万美元的资金。

身份验证是一门成熟的技术，并已被广泛应用到金融领域，Trulioo的身份验证技术也与常见的身份验证技术大同小异（参见图表13）。因此Trulioo公司想要另辟蹊径，必须掌握庞大的数据源，并且聚焦长尾市场，避开已经成熟的市场。

数据资源：全球AML监视列表解决方案，Trulioo拥有超过195个国家的400多种数据源，包括制裁名单（如OFAC，联合国，HMT，欧盟，DFAT等）、执法清单（国际刑警组织，国家特定政府和州政府机构以及警察部队），以及管理来自世界各地的监管机构（金融和证券委员会）、全球最大的移动网络运营商（MNO）。

客户： 聚焦两类长尾，第一类，想要扩大服务到一个传统国家的企业；第二类，传统国家的金融行业从业者。公司服务遍布全球60多个国家，覆盖人群超过40亿人。 

核心产品：Global Gateway全球数字化验证平台，它通过一个API集成为组织提供了安全访问数百个可靠和独特数据源的途径，用于身份验证。

三种服务：ID Document Verification、Business Verification、 Electronic Identity Verification。

案例3：Feedzai

Feedzai2011年成立于葡萄牙，后搬至美国，由数据科学家和航空航天工程师创办，该公司已累计筹集了7610万美元的资金。

Feedzai公司提供一个人工智能平台，为线上和线下支付提供端到端防欺诈解决方案。该平台收集和分析来自多个来源的数据，并创建评分风险概况，使银行能够立即做出决策。

核心技术与产品：Feedzai掌握OpenML、AutoML等技术，其中将AutoML引入防欺诈领域（2018年8月），为业界首创。AutoML全称是automated machine learning，即机器学习流程自动化，经由Feedzai的AutoML技术创建的防欺诈解决方案的速度是穿透数据科学工作流程的50倍。（详见图表14）

客户：目前客户有60多家机构，如花旗银行、Capital One等。

三大服务：Feedzai提供反欺诈管理（Fraud Management）、反洗钱（Anti-Money Laundering）、开户反欺诈（Account Opening）。

案例4：Data Visor

Data Visor2013年成立于硅谷，创始团队为谢映莲和俞舫，是出身微软研究院的两位华人女博士。Data Visor是一个机器学习驱动的防欺诈平台，有助于解决欺诈，滥用和洗钱等复杂问题。Data Visor已筹集了总计5450万美元的资金，并于2016进入中国市场。

核心技术：Data Visor核心技术是无监督机器学习引擎（Unsupervised Machine Learning Engine）（参见图表15），无监督机器学习引擎与传统的黑白名单、规则引擎、有监督机器学习的最大区别在于，无监督机器学习可以自主挖掘、检测各种已知和未知的欺诈行为，对这些欺诈行为进行深度学习，自动产生标签，用于机器训练检测模型，自动产生规则。预计 “在 2021年, 50% 的企业将会运用无监督机器学习技术到现有的反欺诈检测系统之中。”（Gartner）

客户：浦发银行、财付通、猎豹移动、京东、微店、美团点评、饿了么、陌陌

核心产品：dCube和dVector解决方案。

• dCube：dCube是一个全面的欺诈管理解决方案，它将转型的AI驱动技术与简化的工作流程相结合，可以主动检测和预防已知和未知的欺诈行为。dCube允许所有利益相关者在单一平台上进行协作，消除组织瓶颈，从而提供无与伦比的灵活性并实现实时检测和响应。

• dVector：dVector提供实时管理欺诈服务，使组织能够自信地对通过高级上下文检测和整体分析产生的高度准确的欺诈信号采取行动。

案例5：RegTek.Solutions

RegTek.Solutions于2017年从资本市场咨询公司Risk Focus Inc拆分出来，并于2017年8月获德意志交易所领投的A轮融资，2019年9月被彭博社收购。

RegTek.Solutions是一家基于规则的自动化软件产品将贸易和交易监管报告的昂贵且高风险任务转变为高效，可扩展，可靠的工作流程。

客户：G16银行在内的客户群、德意志交易所集团等。因其具备针对不同市场的监管报告的设计能力，其客户遍布各国。

核心技术：其官网介绍，其技术主要有RPA(机器人流程自动化)、AI、大数据等技术，其可以针对不同监管规则下的监管报告要求，定制化制定监管报告模块，如针对EMIR（欧洲市场基础设施监管规则）、SFTR(德国证券融资交易条例)、HKMA（香港金融管理局）、ASIC（澳大利亚证券投资委员会）等都设计了监管报告模块（详见图表）。

核心产品： Validate. Trade和Reportable. Trade。从报告的质量、完整性、准确性和透明性四个维度为客户提供监管报告服务。Validate. Trade曾被德意志证券交易所采用，其监管报告运行流程参见图表16.

3、小结

我们认为，国外监管科技的发展现状整体呈现如下特点：

（1）监管层对监管科技的直接应用（/直接采购）保持中性态度，既没有一拥而上，也没有拒不尝试；

（2）监管层的监管实践更多的是探索创新型监管模式，比如监管沙盒、创新加速器等，我们认为这是后现代公共行政的对话理论在金融监管中的应用，通过搭建公共能量场，开展对话。在保持对话的正当性（程序的正当性、参与者的正当性）的前提下，我们认为对话型监管创新是一条目前较好的金融实践之路；

（3）监管科技市场庞大，但整体马太效应较为明显，无论是英美的监管科技企业上榜数量，还是监管科技企业中融资超2轮的企业的营收占比都说明这一点；

（4）监管科技创业企业至少在技术、数据、产品应用等方面有特别的优势，相较之下，难点并非在技术，而在于数据。比如做身份验证的Trulioo的技术并不突出，但其拥有庞大的数据源，且聚焦长尾市场，是其成功的关键；掌握无监督机器学习技术的Data Visor，也打造了全球智能信誉库，通过高质量数据整合，最大化发挥无监督机器学习的技术力量。